基于机器学习的翼型气动隐身综合优化
| 摘要 | 第4-5页 |
| abstract | 第5页 |
| 第一章 绪论 | 第11-17页 |
| 1.1 研究背景 | 第11-12页 |
| 1.2 代理模型技术 | 第12-14页 |
| 1.2.1 响应面模型 | 第12-13页 |
| 1.2.2 人工神经网络模型 | 第13页 |
| 1.2.3 kriging模型 | 第13-14页 |
| 1.2.4 径向基函数模型 | 第14页 |
| 1.3 参数化方法 | 第14页 |
| 1.4 优化方法 | 第14-15页 |
| 1.5 本文主要内容 | 第15-17页 |
| 第二章 气动和隐身参数计算方法 | 第17-32页 |
| 2.1 气动参数计算 | 第17-23页 |
| 2.1.1 气动计算控制方程 | 第17-18页 |
| 2.1.2 气动计算湍流模型 | 第18-19页 |
| 2.1.3 气动计算边界条件 | 第19-20页 |
| 2.1.4 气动参数计算算例 | 第20-23页 |
| 2.2 隐身参数计算 | 第23-31页 |
| 2.2.1 雷达散射截面积的定义 | 第23-25页 |
| 2.2.2 麦克斯韦方程组 | 第25-26页 |
| 2.2.3 隐身参数计算控制方程及离散 | 第26-27页 |
| 2.2.4 隐身参数计算边界条件 | 第27页 |
| 2.2.5 隐身参数计算时间迭代方法 | 第27-28页 |
| 2.2.6 纯导体圆柱RCS计算算例 | 第28-29页 |
| 2.2.7 纯导体双翼型RCS计算算例 | 第29-31页 |
| 2.3 本章小结 | 第31-32页 |
| 第三章 优化流程及参数化 | 第32-43页 |
| 3.1 翼型外形优化流程 | 第32-33页 |
| 3.2 CST方法 | 第33-38页 |
| 3.2.1 CST方法的形函数 | 第33-37页 |
| 3.2.2 CST方法的类函数 | 第37-38页 |
| 3.2.3 翼型的CST参数表示方法 | 第38页 |
| 3.3 Hicks-Henne函数法 | 第38-42页 |
| 3.4 抽样方法 | 第42页 |
| 3.5 本章小结 | 第42-43页 |
| 第四章 气动隐身综合优化算法 | 第43-57页 |
| 4.1 代理模型 | 第43-44页 |
| 4.2 代理模型构造 | 第44-52页 |
| 4.2.1 代理模型的基本原理 | 第44-46页 |
| 4.2.2 核函数构造 | 第46-48页 |
| 4.2.3 超参数选取 | 第48-50页 |
| 4.2.4 相关性分析 | 第50-52页 |
| 4.3 遗传算法 | 第52-56页 |
| 4.3.1 遗传算法的基本原理 | 第52页 |
| 4.3.2 遗传算法的运算过程 | 第52-55页 |
| 4.3.3 改进的遗传算法 | 第55-56页 |
| 4.4 本章小结 | 第56-57页 |
| 第五章 优化算例 | 第57-64页 |
| 5.1 翼型隐身优化算例 | 第57-59页 |
| 5.2 翼型气动隐身优化算例一 | 第59-61页 |
| 5.3 翼型气动隐身优化算例二 | 第61-64页 |
| 第六章 总结与展望 | 第64-65页 |
| 参考文献 | 第65-69页 |
| 致谢 | 第69-70页 |
| 在学期间的研究成果及发表的学术论文 | 第70页 |
